D

Deberta Base Fine Tuned Ner

由 geckos 开发
基于DeBERTa-base模型在conll2003数据集上微调的命名实体识别(NER)模型
下载量 456
发布时间 : 3/2/2022
模型介绍
内容详情
替代品

模型简介

该模型专门用于命名实体识别任务,在CoNLL-2003数据集上表现出色,能准确识别文本中的人名、地名、机构名等实体

模型特点

高精度实体识别
在CoNLL-2003测试集上达到96.08%的F1值,表现优异
基于DeBERTa架构
采用改进的Transformer架构,具有更强的上下文理解能力
端到端训练
直接在NER任务上微调,无需额外特征工程

模型能力

命名实体识别
文本标记分类
实体边界检测

使用案例

信息提取
新闻文本分析
从新闻文章中提取人名、地名和组织机构名
准确识别各类实体,F1值达96.08%
文档处理
自动标注文档中的关键实体信息
知识图谱构建
知识图谱实体抽取
从非结构化文本中抽取实体用于知识图谱构建